Hlavní komponenty
| Název práce v češtině: | Hlavní komponenty |
|---|---|
| Název v anglickém jazyce: | Principal components |
| Klíčová slova: | Hlavní komponenty; Tracyho-Widomovo rozdělení; výběrová vlastní čísla |
| Klíčová slova anglicky: | Principal components; sample eigenvalues; Tracy-Widom distribution |
| Akademický rok vypsání: | 2017/2018 |
| Typ práce: | diplomová práce |
| Jazyk práce: | čeština |
| Ústav: | Katedra pravděpodobnosti a matematické statistiky (32-KPMS) |
| Vedoucí / školitel: | doc. RNDr. Zdeněk Hlávka, Ph.D. |
| Řešitel: | skrytý - zadáno a potvrzeno stud. odd. |
| Datum přihlášení: | 16.09.2017 |
| Datum zadání: | 20.09.2017 |
| Datum potvrzení stud. oddělením: | 13.02.2018 |
| Datum a čas obhajoby: | 05.09.2018 08:00 |
| Datum odevzdání elektronické podoby: | 19.07.2018 |
| Datum odevzdání tištěné podoby: | 20.07.2018 |
| Datum proběhlé obhajoby: | 05.09.2018 |
| Oponenti: | doc. Mgr. Stanislav Nagy, Ph.D. |
| Zásady pro vypracování |
| Cílem práce je podrobně představit a teoreticky zdůvodnit klasická i nedávno navržená kritéria pro volbu počtu hlavních komponent. |
| Seznam odborné literatury |
| Hoyle, D. C. (2008). Automatic PCA dimension selection for high dimensional data and small sample sizes. Journal of Machine Learning Research, 9(12), 2733-2759.
Jackson, D.A. (1993). Stopping rules in principal components analysis: a comparison of heuristical and statistical approaches. Ecology, 2204-2214. Jolliffe, I.T. (2002). Principal Component Analysis. Springer Series in Statistics. Springer. Josse, J., Husson, F. (2012). Selecting the number of components in principal component analysis using cross-validation approximations. Computational Statistics & Data Analysis, 56(6):1869-1879. Minka, T.P. (2000). Automatic choice of dimensionality for PCA. NIPS, 13:514. Park, H., Konishi, S. (2017). Principal component selection via adaptive regularization method and generalized information criterion. Statistical Papers, 58(1), 147-160. Seghouane, A. K., & Cichocki, A. (2007). Bayesian estimation of the number of principal components. Signal Processing, 87(3), 562-568. Tipping, M.E., Bishop, C.M. (1999). Probabilistic principal component analysis. Journal of the Royal Statistical Society, Series B, 61:611-622. |